Lightning Talk at PyConTW 2023

1. 驚呆了！這些 Python 題目
刷掉 7 成面試者
Joe

2. Joe
● PyCon TW 鐵粉會眾 (2012~)
● 偶爾在 PyCon TW 給演講、當志工
● 有一隻貓

4. ~1000 份履歷
~200 場面試
Backend/AI/MLOps

5. 今天來分享一些面試官心得 😼

6. 以 的第一關為例

7. 第一關面試目的
● 快速且概略掌握面試者的技術水平區間
● 評估
○ 過往經驗
○ 溝通能力
○ 人格特質 & Culture-fit

8. 我最常使用的做法：
快問快答 ℹ
LeetCode:
BFS/DFS/DP/Data

9. 程式語言
軟體開發
系統
雲端
AI/ML 開發

10. 程式語言 =>
軟體開發
系統
雲端
AI/ML 開發

11. 這幾年以來的心得
● 考完 10 分鐘附近的快問快答：
○ 有 8 成信心判斷這個面試者的技術水平 😏
○ 幾乎可以濾掉 7 成以上的面試者 😮

12. 到底考多難？ 😨

13. 馬上就來試試！💁

14. Q1: List, Tuple, Dictionary

15. 猜猜看，這個題目可以刷掉多少人？
1. 送分題，讓人選不要太緊張
2. <5%
3. 10~15%
4. >20%

16. Q2: Decorator

17. 猜猜看，這個題目可以刷掉多少人？
1. <10%
2. 10%
3. 20%
4. >30%

18. Q3: property

19. 猜猜看，這個題目可以刷掉多少人？
1. 10%
2. 20%
3. 30%
4. 40%

20. Q4: descriptor (__get__)

21. 不刷人（評估深度），猜猜答對率？
1. 10%
2. 20%
3. 30%
4. 40%

22. Q5: generator

23. 猜猜看，這個題目可以刷掉多少人？
1. 10%
2. 20%
3. 30%
4. >40%

24. Q6: multithreading/processing

25. 僅評估經驗與觀念，初衷不在直
接刷掉人選（但有 10%~20% 的
人會自爆）

26. Q7: modern features
type hinting
data class
assignment expressions
pattern matching
…

27. 不刷人（評估深度）
但是 >70% 的人都不太了解這
些東西 QQ

28. Q8: linter/formatter 開發習慣

29. Q9: WSGI/ASGI 加分題

30. Q10: web framework 評估經驗

31. Q11: test framework (mock)

32. 大致上就這樣：
透過發問 ➡ 簡答 ➡ 追問 ➡ …
可以概略的評估出面試者的技術水準
讓下一關做後續面試的參考
或沒有下一關 😅

33. 結論

34. 面試官：
不需要很難的題目，就可以廣泛
而快速的過濾人選
有點小驚訝 Python 的熱門，並
沒有讓人選對程式語言有更深
的探討 QQ

35. 面試者：
有一些除了刷題以外的東西需
要準備
來自工作需求
或是求知的興趣

36. 想知道更多快問快答題目？